在所有前沿科技中，人工智能再次成為該榜單的第一名。韋伯表示，人工智能將引發(fā)第三次計算浪潮，帶來積極的影響，例如 AlphaFold 在發(fā)現(xiàn)疾病的治療方法中可以發(fā)揮的作用；但也會帶來消極的影響，例如它當前對刑事司法系統(tǒng)的影響。

　　一些科技巨頭，例如美國的 Amazon、IBM、Facebook、Google 和 Microsoft，以及中國的騰訊、阿里和百度，繼續(xù)在全球科技領(lǐng)域發(fā)揮最大的影響力。韋伯已經(jīng)在 2019 年出版的《九大巨頭》中預(yù)測了這些公司將如何塑造世界。

　　“ 這 9 家公司推動了人工智能的大部分研究、資金、政府參與和消費級應(yīng)用。大學(xué)的研究人員和實驗室依靠這些公司提供數(shù)據(jù)、工具和資金。九大人工智能公司也對人工智能合并和收購產(chǎn)生了巨大影響，為人工智能初創(chuàng)公司提供資金并為下一代開發(fā)人員提供支持。”

　　同時，報告指出，中國的企業(yè)和政府正在全面合作，以使其在 2030 年之前成為全球主要的人工智能創(chuàng)新中心。

　　與中國相比，美國擁有眾多組織和中心，但是，這些機構(gòu) “缺乏機構(gòu)間合作和協(xié)調(diào)的努力”，在行動目標、研發(fā)工作安排和資金周轉(zhuǎn)方面存在不協(xié)調(diào)的情況。

　　據(jù)了解，每年韋伯通常會在德克薩斯州奧斯汀舉行的 SXSW 會議上，以一場演講作為報告發(fā)布的開頭，但是由于冠狀病毒的影響，今年的會議已經(jīng)取消。

　　1. AI與企業(yè)

　　1.1 利用人工智能加速科學(xué)發(fā)現(xiàn)的進程

　　用幾個變量進行實驗，通常需要對測量、材料和輸入進行微小的、系統(tǒng)的調(diào)整。研究生們可能會花上幾百個無聊的小時，一次又一次地做一些小的調(diào)整，直到找到一個解決方案。越來越多的人工智能系統(tǒng)被用于研究實驗室，以加快科學(xué)發(fā)現(xiàn)的進程。

　　1.2 云端人工智能

　　人工智能生態(tài)系統(tǒng)內(nèi)的企業(yè)領(lǐng)導(dǎo)者一直在競相搶占人工智能云共享平臺，并成為遠程服務(wù)器上最受信任的人工智能提供商。企業(yè)客戶也可能會堅持最初選擇的供應(yīng)商，因為機器學(xué)習(xí)系統(tǒng)訪問的數(shù)據(jù)越多，隨著時間的推移則能不斷學(xué)習(xí)做出更好的決策。

　　1.3 線下人工智能

　　可以在設(shè)備上進行這種由本地人工智能驅(qū)動的處理和決策，在云或互聯(lián)網(wǎng)上沒有任何數(shù)據(jù)交互——這是一種使用所謂 “邊緣計算” 的技術(shù)。直接在設(shè)備上處理數(shù)據(jù)，在未來對于醫(yī)療保健、汽車和制造業(yè)應(yīng)用將非常重要，因為它可能更快、更安全。

　　1.4 機器人流程自動化

　　機器人流程自動化（RPA）使企業(yè)能夠在辦公室內(nèi)自動化某些任務(wù)和流程，從而使員工能夠?qū)r間花在更高價值的工作上。RPA 最終將他們的生產(chǎn)力提升到更高的水平，這將使媒體和娛樂公司能夠在許多不同領(lǐng)域做出更好的實時預(yù)測性決策，從客戶服務(wù)到成本節(jié)約。

　　1.5 企業(yè)中的數(shù)字雙胞胎和認知雙胞胎

　　數(shù)字雙胞胎是真實世界環(huán)境、產(chǎn)品或資產(chǎn)的虛擬表示，用于多種目的。制造商使用數(shù)字雙胞胎來管理機器和工廠的性能和效率，而城市規(guī)劃者則使用它們來模擬新開發(fā)項目的影響。

　　1.6 認知機器人

　　隨著人類和機器更加緊密地合作，機器人有機會根據(jù)環(huán)境學(xué)習(xí)和適應(yīng)新的技能。機器學(xué)習(xí)、深度強化學(xué)習(xí)、計算機視覺和模擬環(huán)境的發(fā)展將很快導(dǎo)致具有早期認知能力的機器人出現(xiàn)。應(yīng)用包括環(huán)境清理、探索危險地形和協(xié)助急救人員。

　　1.7 先進的人工智能芯片

　　神經(jīng)網(wǎng)絡(luò)長期以來需要巨大的計算能力，需要很長時間的訓(xùn)練，并且依賴于消耗數(shù)百千瓦電力的數(shù)據(jù)中心和計算機。一些知名企業(yè)已經(jīng)致力于研究使芯片更容易在人工智能項目上工作，并且應(yīng)該保證更快、更安全的處理。

　　1.8 無服務(wù)器計算

　　亞馬遜網(wǎng)絡(luò)服務(wù)、阿里云、微軟 Azure、谷歌云和百度云正在為開發(fā)者推出新的產(chǎn)品和軟件包，希望能讓一大批人工智能初創(chuàng)企業(yè)更容易、更實惠地將自己的創(chuàng)意投放市場。

　　1.9 專業(yè)化、本土化的人工智能語言

　　Python 是一種領(lǐng)先的語言，有許多預(yù)先構(gòu)建的庫和框架。Julia 是麻省理工學(xué)院開發(fā)的一種專注于數(shù)值計算的開源語言。當然還有 Lisp，由現(xiàn)代人工智能的前輩約翰?麥卡錫在 1958 年創(chuàng)造的。

　　1.10 Franken算法的擴散（Proliferation of Franken-algorithm）

　　算法只是定義和自動處理數(shù)據(jù)的規(guī)則。它們是用計算機能夠理解和處理的 “如果這個，那么那個” 邏輯來構(gòu)建的。開發(fā)人員并不總是提前知道一個算法將如何與其他算法一起工作。有時，幾個開發(fā)團隊都在獨立地處理不同的算法和數(shù)據(jù)集，只有在部署后才能看到他們的工作。這一直是導(dǎo)致最近股市出現(xiàn)故障和電子商務(wù)網(wǎng)站發(fā)力的原因。

　　1.11 為了競爭而操縱 AI 系統(tǒng)的公司

　　過去幾年，亞馬遜、谷歌和 Facebook 都因操縱搜索系統(tǒng)，將對公司更有利的結(jié)果進行優(yōu)先排序而受到抨擊。對搜索算法的調(diào)整會對互聯(lián)網(wǎng)用戶的看法產(chǎn)生重大影響，無論是新聞、銷售產(chǎn)品還是廣告。美國和歐盟目前正在調(diào)查亞馬遜同時扮演搜索引擎、市場運營商和自有產(chǎn)品銷售商的角色。立法者尚未就操縱算法以獲得競爭優(yōu)勢是否符合反壟斷活動的標準達成一致。

　　1.12 企業(yè)生物識別欺騙

　　在實施監(jiān)控和認證員工的人工智能系統(tǒng)之前，公司可能會三思而后行。機器學(xué)習(xí)的新技術(shù)導(dǎo)致了合成指紋和其他能夠欺騙監(jiān)控系統(tǒng)的自動生成生物識別器。

　　1.13 人工智能機器人

　　bot，在最基本的層次上，是設(shè)計用于自動化指定任務(wù)的軟件應(yīng)用程序。它們可以是基于文本或音頻的，并且可以跨各種平臺部署。機器人技術(shù)的下一個重大進步不是技術(shù)性的，而是監(jiān)管性的。

　　2. 人工智能與商業(yè)生態(tài)系統(tǒng)

　　2.1 全球?qū)θ斯ぶ悄艿耐顿Y熱潮

　　眾所周知，人工智能人才短缺，每個行業(yè)都希望將人工智能融入其核心業(yè)務(wù)職能。因此，在全球范圍內(nèi)都在爭先恐后地為人工智能研究提供資金，并收購初創(chuàng)企業(yè)。

　　2.2 算法市場

　　在 21 世紀一零年代，大型科技公司、初創(chuàng)公司和開發(fā)者社區(qū)利用算法市場來分享和銷售他們的作品。2018 年，微軟斥資 75 億美元收購了 GitHub，這是一個流行的開發(fā)平臺，允許任何人托管和審查代碼，與其他開發(fā)人員合作，并構(gòu)建各種項目。

　　2.3 市場整合

　　盡管人工智能的生態(tài)系統(tǒng)正在蓬勃發(fā)展，但收購熱潮也意味著整合。現(xiàn)在，大公司在有時間成熟之前就開始創(chuàng)業(yè)，收購的平均年齡是 3 歲。只有 9 家大公司占據(jù)了人工智能的主導(dǎo)地位：美國的 Amazon、 Google、Microsoft、 IBM、Facebook 和蘋果，中國的巨頭百度、阿里巴巴和騰訊。

　　2.4 破碎

　　人工智能的生態(tài)系統(tǒng)覆蓋了數(shù)百家公司。許多政策團體、倡導(dǎo)組織和政府都在制定指導(dǎo)方針、規(guī)范和標準以及政策框架，希望以此來指導(dǎo)人工智能的未來發(fā)展。因此，生態(tài)系統(tǒng)在兩個方面支離破碎：基礎(chǔ)設(shè)施標準和治理。

　　2.5 人工智能責任

　　當機器運轉(zhuǎn)不好時，誰該受責備？我們目前的法律體系是為了規(guī)范人類行為，而不是無監(jiān)督機器的行為。當企業(yè)急于構(gòu)建和實施人工智能產(chǎn)品和流程時，他們必須提前計劃新出現(xiàn)的風險。

　　2.6 環(huán)境監(jiān)測

　　關(guān)門后發(fā)生的事情可能不會是長期的秘密，高管們應(yīng)該提防新的環(huán)境監(jiān)測方法。人工智能可能很快擁有 x 光視覺能力，這對從事敏感項目的公司來說可能不是什么好消息。從事信息安全和風險管理工作的人應(yīng)特別關(guān)注計算機視覺的發(fā)展。

　　3. 過程、系統(tǒng)與計算機神經(jīng)科學(xué)

　　3.1 從平面二維圖像創(chuàng)建三維模型

　　研究人員使用大量的三維模型、轉(zhuǎn)換成三維模型的圖像和從不同角度顯示物體的二維圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò)。結(jié)果：一個新的系統(tǒng)，可以渲染三維模型，無需任何人為干預(yù)。實際應(yīng)用包括僅使用二維圖像自動生成環(huán)境真實模型的機器人。

　　3.2 神經(jīng)符號人工智能算法與系統(tǒng)

　　人工智能的發(fā)展一直走在兩條概念軌道上：符號（機器使用表示概念的知識和規(guī)則基礎(chǔ)）和非符號（機器使用原始數(shù)據(jù)創(chuàng)建自己的模式和概念表示）。神經(jīng)網(wǎng)絡(luò)將通過符號來理解數(shù)據(jù)，而不是總是依賴人類程序員為數(shù)據(jù)排序、標記和編目。符號算法將有助于這一過程，這最終將導(dǎo)致不總是需要人來訓(xùn)練的魯棒系統(tǒng)。

　　3.3 實時機器學(xué)習(xí)

　　人工智能的一大挑戰(zhàn)是構(gòu)建能夠主動收集和解釋數(shù)據(jù)、識別模式和整合上下文并最終實時學(xué)習(xí)的機器。對實時機器學(xué)習(xí)（RTML）的最新研究表明，使用連續(xù)的事務(wù)數(shù)據(jù)流和實時調(diào)整模型是可能的。這標志著數(shù)據(jù)移動方式和我們檢索信息的方式發(fā)生了重大變化。

　　3.4 自然語言理解（NLU）

　　NLU 允許研究人員通過提取概念、映射關(guān)系和分析情感來量化和學(xué)習(xí)所有文本，并且他們在過去一年中取得了一些令人印象深刻的進步。在最近的一次語言理解評估競賽中，中國的百度擊敗了谷歌和微軟，成為第一個開發(fā)不僅能懂英語，還能懂中文的技術(shù)的公司。

　　3.5 機器閱讀理解（MRC）

　　對于人工智能研究者來說，機器閱讀理解（MRC）一直是一個具有挑戰(zhàn)性的目標，但卻是一個重要的目標。MRC 使得系統(tǒng)能夠在篩選大量數(shù)據(jù)集的同時讀取、推斷意義并立即給出答案。它代表了實現(xiàn)人工通用智能的必要步驟，在短期內(nèi)，它可能將從技術(shù)手冊到歷史地圖，再到我們的醫(yī)療記錄，一切都變成易于搜索的信息存儲庫。

　　3.6 自然語言生成（NLG）

　　隨著數(shù)字助理的日益普及，消費者希望能夠與機器進行自然對話。但是訓(xùn)練人工智能系統(tǒng)需要大量的數(shù)據(jù)。自然語言生成（NLG）系統(tǒng)自動檢測、分析、可視化和敘述關(guān)鍵數(shù)據(jù)。NLG 的一個可能性是：開發(fā)一個可以使用簡單語言向他人解釋自己和所做決定的系統(tǒng)。

　　3.7 機器學(xué)習(xí)中的實時上下文（Real-Time Context in Machine Learning）

　　世界上充斥著信息、錯誤信息和膚淺的思想，機器學(xué)習(xí)中的實時上下文技術(shù)旨在幫助人們實踐推理、發(fā)展見多識廣的論點并得出可靠的結(jié)論。

　　3.8 一般強化學(xué)習(xí)算法

　　研究人員正在開發(fā)能夠?qū)W習(xí)多個任務(wù)的單一算法，AlphaZero。它不僅能在圍棋中獲得超人的表現(xiàn)，還能在其他游戲中獲得超人的表現(xiàn)，包括國際象棋和日本象棋。這一個算法從游戲規(guī)則之外的知識開始，最終發(fā)展出自己的策略來擊敗其他玩家。

　　3.9 深度學(xué)習(xí)范圍

　　程序員使用特殊的深度學(xué)習(xí)算法，同時使用大量的數(shù)據(jù)，通常是數(shù)兆字節(jié)的文本、圖像、視頻、語音等，系統(tǒng)被訓(xùn)練成獨立學(xué)習(xí)。雖然概念上的深度學(xué)習(xí)并不是什么新鮮事，但最近發(fā)生的變化是計算量和可用的數(shù)據(jù)量。實際上，這意味著越來越多的人工過程將被自動化，包括軟件的編寫，計算機很快就會開始自己編寫。

　　3.10 更快、更強大的開源框架

　　硬件升級和更快的芯片將有助于使開源框架在未來幾年變得更快和更流行。

　　3.11 強化學(xué)習(xí)與分層學(xué)習(xí)

　　強化學(xué)習(xí)是解決決策問題的有力工具，它被用來訓(xùn)練人工智能系統(tǒng)以獲得超人的能力。在計算機模擬中，一個系統(tǒng)嘗試、失敗、學(xué)習(xí)、實驗，然后快速連續(xù)地再次嘗試，每次都會改變它未來的嘗試。

　　3.12 持續(xù)學(xué)習(xí)

　　目前，深度學(xué)習(xí)技術(shù)已經(jīng)幫助系統(tǒng)學(xué)習(xí)以更接近人類所能做的方式解決復(fù)雜任務(wù)，但這些任務(wù)仍然是特定的，它們需要一個嚴格的序列，而且可能很耗時。持續(xù)學(xué)習(xí)（CL）更多的是關(guān)于自主和漸進的技能培養(yǎng)和發(fā)展，研究人員將繼續(xù)在這一領(lǐng)域不斷地突破可能的極限。

　　3.13 多任務(wù)學(xué)習(xí)

　　在過去的一年里，卡內(nèi)基梅隆大學(xué)和 Facebook 的人工智能實驗室的研究人員發(fā)布了一款名為 Pluribus 的多人撲克人工智能，撲克也讓多個玩家相互競爭，獲得勝利比抓取游戲碎片要復(fù)雜得多。Pluribus 學(xué)會了同時做幾件事，并建立了自己的戰(zhàn)略來贏得勝利。

　　3.14 生成性對抗網(wǎng)絡(luò)

　　生成性對抗網(wǎng)絡(luò)（GANs）是本世紀最有趣的想法，在過去幾年里，GANs 有了巨大的進步。把一個 GAN 想象成圖靈測試，但是沒有任何人類參與。GANs 是一個無監(jiān)督的深度學(xué)習(xí)系統(tǒng)，由兩個相互競爭的神經(jīng)網(wǎng)絡(luò)組成，它們在相同的數(shù)據(jù)（如人的圖像）上進行訓(xùn)練。僅去年一年，就有許多有趣的實驗涉及 GANs。

　　3.15 新的生成建模技術(shù)

　　自回歸隱式分位數(shù)網(wǎng)絡(luò)（簡稱 AIQN）聽起來很復(fù)雜，但它是一個創(chuàng)新的想法，有助于改進算法，使它們更穩(wěn)定。這意味著：這可能會加快人工智能的發(fā)展步伐 —— 這可能意味著整個生態(tài)系統(tǒng)中更快的機遇和創(chuàng)新。

　　3.16 概率規(guī)劃語言

　　概率編程語言減輕了開發(fā)概率模型的一些壓力和繁瑣。這些較新的語言允許開發(fā)人員構(gòu)建、重用和共享他們的模型庫，同時仍然容納不完整的信息。

　　3.17 機器圖像完成（Machine Image Completion）

　　如果一個計算機系統(tǒng)能夠訪問上百萬的圖片，就說它可以修補和填補圖片中的漏洞。這項功能對專業(yè)攝影師以及所有想拍出更好自拍的人都有實際的應(yīng)用。圖像完成也是執(zhí)法和軍事情報人員的一個有用工具，計算機現(xiàn)在可以幫助他們識別誰或什么是在框架中?？紤]到我們已經(jīng)在機器學(xué)習(xí)算法和數(shù)據(jù)集上看到的偏見，圖像完成可能成為未來關(guān)于隱私和我們設(shè)備的爭論的一部分。

　　3.18 混合人 - 計算機視覺分析

　　目前人工智能沒有人的幫助還不能完全發(fā)揮作用。混合智能系統(tǒng)將人類和人工智能系統(tǒng)結(jié)合起來，以獲得更高的精確度。

　　3.19 預(yù)測機器視覺

　　預(yù)測機器視覺研究有朝一日將使機器人能夠更容易地在人類環(huán)境中導(dǎo)航，并通過從我們自己的肢體語言中獲取線索與我們?nèi)祟惢印Ｋ部梢杂糜诹闶郗h(huán)境，當我們操作機器，或當我們在教室學(xué)習(xí)。

　　3.20 自動機器學(xué)習(xí)（AutoML）

　　一些組織希望擺脫傳統(tǒng)的機器學(xué)習(xí)方法，這種方法費時費力，需要數(shù)據(jù)科學(xué)家、人工智能領(lǐng)域的專家和工程師。自動機器學(xué)習(xí)（AutoML）是一種新的方法：將原始數(shù)據(jù)和模型匹配在一起以顯示最相關(guān)的信息的過程。谷歌、亞馬遜和微軟現(xiàn)在提供了大量的 AutoML 產(chǎn)品和服務(wù)。

　　3.21 定制機器學(xué)習(xí)

　　不久，個人用戶將上傳他們自己的數(shù)據(jù)來定制現(xiàn)有的人工智能模型。例如，像 Google 的 Cloud AutoML 和 Amazon SageMaker Autopilot 這樣的工具允許組織在沒有受過高度培訓(xùn)的員工的情況下培訓(xùn)定制的機器學(xué)習(xí)模型。

　　3.22 圖神經(jīng)網(wǎng)絡(luò)

　　氣味分類是很棘手的，因為它需要一個多標簽系統(tǒng)。谷歌的研究人員正在構(gòu)建圖形神經(jīng)網(wǎng)絡(luò)（graph neural networks），一種以圖形為輸入的特殊類型的深層神經(jīng)網(wǎng)絡(luò)以在分子水平上預(yù)測氣味。

　　3.23 智能光學(xué)字符識別

　　一個持續(xù)的挑戰(zhàn)是讓機器認識到我們用書面表達自己的各種方式。光學(xué)字符識別（OCR）以固定的、可識別的格式工作，如公路標志和書中的文字。但是，OCR 往往不夠聰明，無法識別不同的字體、獨特的符號或只有一家公司的字段的電子表格。
[page]
 

　　4. 人工智能與內(nèi)容創(chuàng)意

　　4.1 人工智能與創(chuàng)意過程

　　生成性對抗網(wǎng)絡(luò)（GANs）的能力遠遠超過生成深度假視頻。研究人員正與藝術(shù)家和音樂家合作，創(chuàng)造出全新的創(chuàng)造性表達形式。從合成非洲部落面具到建立幻想的虛構(gòu)星系，人工智能正被用來探索新的想法。

　　4.2 內(nèi)容生成算法

　　一段時間以來，人們一直在訓(xùn)練計算機觀看視頻并預(yù)測我們物質(zhì)世界中相應(yīng)的聲音。內(nèi)容生成算法研究的重點是幫助系統(tǒng)了解物體在物理領(lǐng)域如何相互作用。

　　4.3 從短視頻生成虛擬環(huán)境

　　自動生成的虛擬環(huán)境的未來應(yīng)用非常廣泛：考慮物流培訓(xùn)環(huán)境（倉庫、工廠、航運中心）、城市規(guī)劃模擬，甚至在游樂園和購物中心內(nèi)測試客戶流場景。

　　4.4 自動版本控制

　　隨著更多的實驗的進行，人們期望看到新聞和娛樂媒體公司開發(fā)同一內(nèi)容的多個版本，以達到更廣泛的受眾或大規(guī)模生產(chǎn)大量的內(nèi)容。

　　4.5 自動語音克隆和配音

　　類似人工智能和描述使克隆聲音成為可能，這意味著很快你可以在電影中看到基努?里夫斯，也可以聽到他用自己的聲音用意大利語說話。

　　4.6 機器文字識別

　　在過去的一年里，研究人員展示了人工智能是如何被用來編寫好的文本的，以至于人類無法分辨它是由機器編寫的。事實證明，人工智能還可以用來檢測文本是什么時候生成的，即使我們?nèi)祟悷o法識別假文本。

　　4.7 算法事實檢查

　　誤導(dǎo)性和徹頭徹尾的虛假信息已經(jīng)污染了互聯(lián)網(wǎng)和我們的社交媒體渠道，日常消費者難以應(yīng)對，旨在傳播謊言的算法可以比人類的事實核查器工作得更快。人工智能研究人員一直在研究使用框架語義的自動化技術(shù)?？蚣苁敲枋鎏囟ㄊ录?、情況、對象或關(guān)系及其參與者的示意圖。

　　4.8 數(shù)據(jù)挖掘群

　　智能手機擁有量已經(jīng)達到臨界值，人們對各種網(wǎng)絡(luò)的使用也達到臨界值。人類的數(shù)據(jù)不僅可以跟蹤我們自己，還可以供任何人搜索、收集和分析。預(yù)計更多的新聞機構(gòu)以及營銷人員、活動家和其他團體將開始以創(chuàng)造性的方式利用這些數(shù)據(jù)。

　　4.9 深度鏈接

　　自智能手機問世以來，深度移動連接就一直存在，它使人們更容易在手機中的所有應(yīng)用程序中查找和共享數(shù)據(jù)。深度鏈接的使用方式現(xiàn)在已經(jīng)模糊了消費者的信息。

　　5. 消費品和服務(wù)

　　5.1 環(huán)境計算擴展

　　環(huán)境計算系統(tǒng)承諾優(yōu)先考慮許多與人類行為相關(guān)的決策，代表人們授權(quán)它們，甚至根據(jù)環(huán)境自主地為人們回答。在沒有直接監(jiān)督和投入的情況下，很多無形的決策都會發(fā)生。使環(huán)境設(shè)計如此誘人的是，它應(yīng)該要求我們在不久的將來做出越來越少的決定。把它看作是一種意圖的自動完成。

　　5.2 無處不在的數(shù)字助理（DAs）

　　在很多地方都可以找到數(shù)字助理?，F(xiàn)在有成千上萬的應(yīng)用程序和小工具可以跟蹤和響應(yīng) DAs。新聞機構(gòu)、娛樂公司、營銷人員、信用卡公司、銀行、地方政府機構(gòu)（警察、公路管理局）、政治活動和許多其他機構(gòu)都可以利用 DAs 來顯示和提供關(guān)鍵信息。

　　5.3 人工智能致力藥物研發(fā)

　　2018 年和 2019 年，制藥公司加大了研究力度，以確定人工智能是否可以用于藥物開發(fā)的每個階段，從假設(shè)、挑選更好的化合物和確定更好的藥物靶點，到設(shè)計更成功的臨床試驗和跟蹤現(xiàn)實世界的結(jié)果。

　　5.4 人工智能面試

　　識別系統(tǒng)現(xiàn)在可以用來觀察人們被面試的過程，來衡量面試者的熱情、堅韌和沉著。算法分析數(shù)以百計的細節(jié)，比如面試者的語調(diào)、面部表情和行為習(xí)慣，試圖預(yù)測面試者將如何適應(yīng)一個社區(qū)的文化。

　　5.5 消費者級人工智能應(yīng)用

　　新的自動機器學(xué)習(xí)平臺使非專家能夠建立和部署預(yù)測模型。許多人希望，在不久的將來，人們將使用各種各樣的人工智能應(yīng)用程序作為日常工作的一部分，就像人們今天使用微軟 Office 或谷歌文檔一樣。

　　6. 人工智能與地緣政治、地緣經(jīng)濟與戰(zhàn)爭

　　6.1 新的高科技工業(yè)綜合體

　　在過去的幾年里，美國一些最大的中情局公司開始與軍方合作，推進研究，尋找銷量，開發(fā)新的技術(shù)系統(tǒng)，可以在各種情況下部署。

　　2017 年，美國國防部成立了一個算法戰(zhàn)爭跨職能團隊，致力于一個名為 “Maven 項目” 的項目，這是一個計算機視覺和深度學(xué)習(xí)系統(tǒng)，可以自動識別靜止圖像和視頻中的物體。該小組沒有必要的人工智能能力，因此國防部與谷歌簽訂合同，幫助訓(xùn)練人工智能系統(tǒng)分析無人機畫面。但被分配到這個項目的谷歌員工并不知道他們實際上在做一個軍事項目，這導(dǎo)致了引人注目的反彈。多達 4000 名谷歌員工簽署了一份請愿書，反對 Maven 項目。他們在《紐約時報》上登了一整版廣告，最終數(shù)十名員工辭職。最終，谷歌表示不會與國防部續(xù)簽合同。

　　6.2 國家情報戰(zhàn)略

　　在過去的幾年里，人工智能的危險性得到了極大的緩解。從自駕車事故到通過造謠活動進行選舉，再到通過面部識別和自動搜索增強的政治壓制，谷歌員工抗議該公司在美國軍事項目上的情報工作。在地緣政治、地緣經(jīng)濟和戰(zhàn)爭面紗的第十三個年頭，很明顯，國際情報局正在改變國家、公司和公民的安全環(huán)境?，F(xiàn)在，幾乎沒有一種技術(shù)能夠觸及人類的方方面面，世界各國都在競相制定和公布自己的人工智能戰(zhàn)略和指導(dǎo)方針。

　　6.3 建立人工智能規(guī)則的競賽

　　去年，中國在全球率先制定了一套規(guī)范和標準，以管理人工智能的未來，隨后，許多國家和地區(qū)爭相出臺相關(guān)的政策，隨著人工智能在中國、歐盟和美國繼續(xù)按照不同的規(guī)則發(fā)展，全球 AI 學(xué)術(shù)領(lǐng)域的合作可能會急劇下降。

　　6.4 算法戰(zhàn)爭

　　我們未來的戰(zhàn)爭將以代碼作戰(zhàn)，使用數(shù)據(jù)和算法作為強大武器。當前的全球秩序正在被人工智能所塑造，而世界各國在美國、中國、以色列、法國、俄羅斯、英國和韓國等國家的研究也在發(fā)展包括至少一些自主功能的武器系統(tǒng)。

　　FTI分析表明，未來的戰(zhàn)爭不僅僅包括傳統(tǒng)武器。使用人工智能技術(shù)，軍隊可以通過破壞經(jīng)濟穩(wěn)定而不是摧毀農(nóng)村和城市中心來 “取勝”。

　　6.5 人工智能自我解釋

　　毫無疑問，你聽過有人說人工智能正在變成一個 “黑匣子”—— 即使是在這個領(lǐng)域工作的研究人員也不明白我們最新的系統(tǒng)是如何工作的。這并不完全正確，但是越來越多的計算機科學(xué)家、記者和法律學(xué)者表示擔心，他們認為人工智能系統(tǒng)不應(yīng)該如此秘密。但要求人工智能的透明度可能會泄露公司的商業(yè)機密。要求系統(tǒng)同時解釋其決策過程也會降低輸出的速度和質(zhì)量。

　　6.6 在關(guān)鍵系統(tǒng)中使用人工智能

　　機器學(xué)習(xí)保證了人們關(guān)鍵基礎(chǔ)設(shè)施系統(tǒng)的效率和新的保障措施。為此，政府研究人員正在探索如何率先開發(fā)關(guān)鍵系統(tǒng)：道路和鐵路運輸系統(tǒng)、發(fā)電和配電以及預(yù)測救護車和消防車等公共安全車輛的路線。人們不再回避人工智能系統(tǒng)，而是對利用這項技術(shù)預(yù)防災(zāi)害和提高安全性產(chǎn)生了新的興趣。

　　7. 中國人工智能規(guī)則

　　7.1 中國規(guī)則

　　如果認為中國是一個只是復(fù)制而不是創(chuàng)新的國家，麻煩再想一想。中國已經(jīng)是人工智能領(lǐng)域的全球領(lǐng)導(dǎo)者。該國在許多領(lǐng)域取得了巨大的進步，但尤其是在人工智能企業(yè)和政府已經(jīng)合作了一個全面的計劃，使中國在 2030 之前成為世界上主要的人工智能創(chuàng)新中心，并且它已經(jīng)朝著這個目標邁進了一大步。同時賦予了中國三大公司百度、阿里巴巴和騰訊一個稱號 ——BAT。目前，中國的人工智能初創(chuàng)企業(yè)幾乎占到所有人工智能全球投資的一半。

　　7.2 中國的數(shù)據(jù)盈余

　　中國人口眾多，接近 14 億人，為那里的研究人員和初創(chuàng)企業(yè)提供了未來人類數(shù)據(jù)中最有價值的自然資源，而不受世界許多地方普遍存在的隱私和安全限制。如果數(shù)據(jù)是新的石油，那么中國就是新的歐佩克。中國人正在挖掘的這種豐富的數(shù)據(jù)可以用來訓(xùn)練人工智能，挖掘從教育、制造到零售和軍事應(yīng)用等各個領(lǐng)域的模式。

　　8. 人工智能與社會

　　8.1 人工情感智能

　　根據(jù)信諾健康服務(wù)機構(gòu)的研究，在過去的 50 年里，美國人的孤獨率翻了一番。兩年前，英國前總理 Theresa May 創(chuàng)造了一個新的內(nèi)閣職位，世界上首位孤獨部長。在我們?nèi)找婢o密聯(lián)系的世界里，報告說人們感到更加孤立。在未來，像韓國這樣正在與大規(guī)模心理健康危機作斗爭的政府，可能會轉(zhuǎn)向情感支持機器人來大規(guī)模解決這個問題。

　　8.2 個人數(shù)碼雙胞胎

　　去年中國中央電視臺的春節(jié)聯(lián)歡晚會上，四位著名的人類主持人與他們的數(shù)碼雙胞胎一起亮相。據(jù)估計，有 10 億人觀看，這些人工智能復(fù)制品模仿了人類的同類，沒有預(yù)先設(shè)定的行為、演講或程序。不久的將來，可能會有一對數(shù)字雙胞胎，面向包括健康和教育在內(nèi)的多個領(lǐng)域的專業(yè)人士。

　　8.3 問題數(shù)據(jù)集

　　人工智能本身并沒有偏見，但是數(shù)據(jù)輸入方法和輸入數(shù)據(jù)的人可以顯著改變?nèi)斯ぶ悄艿男袨?。從真實的人那里獲取真實的數(shù)據(jù)來訓(xùn)練系統(tǒng)很困難，而且隨著新的隱私限制，開發(fā)人員可能會選擇更多地依賴公開的和有問題的數(shù)據(jù)集。

　　8.4 人工智能識別欺騙性為

　　人工智能也被用來識別欺騙行為。ECRI 研究所的 Crosscheq 使用機器學(xué)習(xí)和數(shù)據(jù)分析來尋找招聘過程中的夸張和誤導(dǎo)信息。德雷克塞爾大學(xué)的研究人員開發(fā)了一個應(yīng)用程序，利用生物特征來預(yù)測節(jié)食者何時可能偏離規(guī)定的飲食方案。

　　8.5 針對弱勢群體設(shè)計的算法

　　在世界各地的國家，人工智能正被用于邊境口岸、貧困社區(qū)以及存在犯罪問題的學(xué)區(qū)。大多數(shù)時候，這項技術(shù)被稱為一種解決方案，但它有助于剝奪弱勢社區(qū)的公民權(quán)。

　　8.6 人工智能存在偏見

　　隨著計算機系統(tǒng)越來越擅長做決定，算法可能會把人們每個人分成對我們自身來說沒有任何明顯意義但可能產(chǎn)生巨大影響的組。每一天，人們都在創(chuàng)造難以想象的數(shù)據(jù)量，這些數(shù)據(jù)是通過算法挖掘和使用的，通常沒有您的直接知識或理解。它被用來制作廣告，幫助潛在的雇主預(yù)測我們的行為，確定我們的抵押貸款利率，甚至幫助執(zhí)法部門預(yù)測我們是否可能犯罪。

　　8.7 人工智能故意隱藏數(shù)據(jù)

　　計算機正是按照命令來做的。命令一臺機器在比賽中獲勝，它將盡其所能實現(xiàn)這一目標。顯然現(xiàn)在包括作弊，而且這種情況發(fā)生的越發(fā)頻繁。

　　8.8 未報告（Undocumented）人工智能事故的興起

　　目前，研究人員沒有義務(wù)報告涉及我們的數(shù)據(jù)或人工智能過程的事故或事件，除非違反了法律。雖然大公司必須告知消費者其個人數(shù)據(jù)信用卡號碼、家庭住址、密碼是否被盜，但它們不必公開算法基于種族或性別歧視某人的實例。

　　8.9 人工智能與數(shù)字紅利

　　人工智能將不可避免地導(dǎo)致全球勞動力的轉(zhuǎn)移，導(dǎo)致許多行業(yè)的失業(yè)。數(shù)字紅利則是一種公司向社會償還一部分從人工智能獲得的利潤的方式。

　　8.10 優(yōu)先考慮責任和信任

　　人們依賴于對人工智能的信任將不再能夠判斷一個數(shù)據(jù)集是否被有意或無意地篡改，如果我們不再相信這個結(jié)果，幾十年的研究和技術(shù)進步將一無所獲。政府、企業(yè)、非營利組織等各個部門的領(lǐng)導(dǎo)人都必須對所使用的數(shù)據(jù)和算法有信心。

　　此外，雇傭倫理學(xué)家直接與管理者和開發(fā)人員合作，并確保開發(fā)人員本身代表不同種族、民族和性別的多樣性，將減少人工智能系統(tǒng)中固有的偏見。
來源：學(xué)術(shù)頭條